撰文 | 張天祁
責編 | 蘇惟楚
最近閉幕的聯合國氣候變化大會上，數字化與人工智慧成為一個關鍵話題。
今年11月中下旬在亞塞拜然舉行的聯合國氣候變化大會，即《聯合國氣候變化框架公約》締約方會議第二十九次會議（簡稱“COP29”），設立數字化主題日。中國多家研究機構和科技企業的研究人員，也帶來了AI在助力應對氣候變化方面的最新進展。
其中，阿里巴巴達摩院決策智慧實驗室資深演算法專家孫亮，分享了AI驅動的天氣預報和新能源預測應用。達摩院在“八觀”氣象大模型等基礎上，推出可再生能源預測平臺eForecaster。該技術已在中國某省電力排程中心成功應用，覆蓋262座風電場和331座光伏電站，新能源發電功率和電力負荷預測的準確率分別提升至96%和98%以上，助力電網在遭遇劇烈天氣變化時安全穩定執行。
而達摩院的新能源預測，今年7月已經入選聯合國 AI for Good (人工智慧向善) 平臺的優秀案例。該平臺由聯合國旗下機構國際電信聯盟(ITU) 發起和負責。[1]
達摩院的新能源預測入選聯合國 AI for Good報告優秀案例。
在產業界，人工智慧開始發揮越來越大的作用。例如，很多工廠、園區、商場都裝了儲能電站。那麼，該在什麼時候充電、什麼時候放電，讓這些大型“充電寶”利用峰谷電價差來省錢？
今年11月，國家電投集團綜合智慧能源有限公司基於國家電投“天樞一號”智慧能源物聯網平臺和阿里巴巴達摩院自研的最佳化求解器“敏迭”(opt.aliyun.com)，打造出國內首個面向工商業儲能的最佳化求解子系統。該子系統可提供分鐘級動態更新的智慧充放電策略，幫助使用者降低用電成本。 在一家工廠的實際案例中，專案綜合收益最高提升30%。[2]
12月12日，工業和資訊化部公示人工智慧賦能新型工業化典型應用案例，達摩院自研求解器“敏迭”入選“裝備產品方向”，“八觀”氣象大模型則入選了“技術底座方向”。
電力能源、石油化工、工業製造、電商、航空等諸多行業都有一些技術難題，基於求解器的決策智慧都有著用武之地。這些行業規模巨大，像中國五大發電集團2023年電力業務收入就達1.58萬億。哪怕在效率方面只是帶來些許提升，對資源也是極大的最佳化利用。
求解器又稱“工業軟體之芯”，數十年來一直由歐美企業主導。2017年年末，阿里巴巴達摩院組建決策智慧實驗室，一群科學家決心進入這個領域，研究一些“有意義的行業的重大問題”。不同於傳統的AI技術，決策智慧更注重模擬人類的思維過程，使機器能夠像人一樣進行判斷、推理和決策。
這個團隊中，有入選“全球Top1%高被引科學家”、唯一獲得最佳化領域權威獎項Egon Balas獎的中國數學家，也有來自不同專業和領域的頂尖研究人員。
01
決策智慧的一個基石是求解器。在這個領域，中國屬於後進生。幾年前，當達摩院決策智慧實驗室成立時，中國在求解器方面的進展只能說是剛剛起步。
而他們的競爭對手，是長期制霸全球市場的三家國外求解器巨頭IBM CPLEX、GUROBI和FICO Xpress。中國使用求解器的場景，大部分都會選擇購買這三家的產品。在經驗上雙方有著巨大的差距。
求解器是一種專門用於解決數學最佳化問題的程式。現代商業和工業中，從一家企業的生產規劃、供應鏈最佳化、庫存物流，到航運路線的設計，全國電網的輸送安排等等，都離不開求解器的“解題”能力。
求解器不僅要求硬核的演算法能力，更要求對各個實際場景有真正的瞭解。很多有效的演算法，都是巨頭們的演算法專家年復一年摸爬滾打，在具體的問題和場景裡磨出來的。一個好的商用求解器，至少有百萬行量級的程式碼積累。
“現在主流的商用最佳化演算法早就超出大學課本的範疇。想在這個領域立足，就必須掌握很多文獻並不記載的技巧， 並且精準地判斷什麼情況下用什麼技巧。一個成熟、全面的商用求解器, 往往凝結了幾十位演算法專家和軟體工程師十幾二十年的心血。”阿里巴巴達摩院決策智慧實驗室主任印臥濤在接受World Science Hill採訪時說。[3]
看起來，求解器這個領域是最沒有彎道超車可能的方向。但印臥濤2019年加入阿里後，就決定挑戰商用求解器，而且是靠完全自主研發。他曾是加州大學洛杉磯分校數學系終身教授，還獲得過世界華人數學家大會“晨興應用數學金獎”等學術獎項。但在產業場景中推出求解器，是不一樣的挑戰。
團隊成員回憶，進軍求解器方向之初，全世界能做求解器的只有一百多人。達摩院決策智慧實驗室並未招募其中任何一位，而是組建一個全新的團隊。這種做法無疑是把挑戰難度升級到了困難模式，而在印臥濤看來，如果劍指新問題和新方法，是一條蛻變的必經之路。
“要想解決最好的問題，就不能只使用傳統的方法。”印臥濤說，“傳統求解器的遺產會限制我們在雲上的開發。”
沒有求解器基礎，團隊成員就先從網上的公開資料學起。至於各大商用求解器歷代積累下來的特殊演算法，團隊成員只能透過不斷地猜測再驗證，最終形成自己的演算法。這種沒有任何取巧的方式，讓這支新手組成的團隊在不斷的版本迭代中鍛煉出了對演算法的獨到理解。
除了技術上的考慮，達摩院決策智慧實驗室研究員趙亮也表示，組建團隊的另一個目標是人才培養。因此更希望挖掘有潛力的青年人才，而不是從有行業經驗的從業人員中挖角。
與學術界背景齊整的研究團隊相比，決策智慧團隊展現出一種更為“野生”的特質。團隊的學科背景非常豐富，除了應用數學，還有電子電氣、化學化工等專業，有學物理的，甚至還有學生物的。
這個“野生”的團隊，在通往求解器的路上沒少受挫、交學費。第一次把求解器放到國際資料集上試驗時，三分之一的題目都比市面上的求解器慢了很多。在挑戰高難的混合整數線性規劃（MILP）問題時，也一度僅能追平最好的開源求解器。
但經過紮實的磨練，取得成績的速度也是驚人的。2020年8月，達摩院自研求解器MindOpt首次釋出，其單純形法模組即獲得國際權威效能評測Mittelmann榜單的第一。
到2023年10月，1.0版本的MindOpt求解器已能求解線性規劃、混合整數規劃、二次規劃等主流問題型別。今年11月6日，在北京舉行的達摩院決策智慧實驗室年度論壇暨產品釋出會上，該求解器2.0版本正式命名“敏迭”（詳見“閱讀原文”連結），增加了對非線性規劃（NLP）和混合整數二次約束規劃（MIQCP）兩類問題的支援，覆蓋石油化工、生物製藥等更多領域的需求。
圖說：阿里達摩院敏迭最佳化求解器(opt.aliyun.com)
02
一款自研求解器，從零開始突破重重難關，打榜登頂掀翻外國巨頭，這似乎已經是一個圓滿的故事。可對於“敏迭”來說，這只是踏出了第一步，相當於是一款遊戲打通了練習關，或者說是一款新車在試車道跑出亮眼的成績。
就如印臥濤所說，賽道上開得快，不意味著日常適合代步。敏迭到底能夠取得怎樣的成就，還要看真實業務場景下的表現。
沒辦法，開發一款商用求解器的路就是這麼難走。在智慧決策領域，需要解決的現實問題和場景比單純的計算困難與複雜許多。想要基於求解器開發出真正高效實用的方案，需要團隊對各個行業和領域知識的理解，還需要團隊對行業各環節的決策流程做到了如指掌。
團隊在學術界的輝煌履歷，敏迭在榜單上的優秀成績，能夠換來業內的尊重，但不一定能換來客戶的買單。
在電商零售、雲計算、工業製造等領域，這個團隊開始試水。例如，在航空業，他們的求解器可以支援航班編排，將一架飛機的日利用率從10.9小時提升到12.8小時。
更值得一提的是，達摩院決策智慧團隊開始與電力行業深入合作。這是反覆權衡的成果。中國的發電總量和電網規模位居世界第一，而風電、光伏等新能源的比重越來越大。為了解決綠色能源大規模併網難、消納率低的問題，智慧電網很多場景都需要智慧決策助力。
從落地難度看，電網屬於數字化程度高的行業，難度相對較小。從目標上講，電力行業不像其他行業那樣存在很多零和的競爭，而是為了提升整個電力系統的有效性，因此也樂於分享一些行業知識。“電力行業壁壘雖然高，但他們願意分享模型”。印臥濤說。
然而，剛和電力行業接觸，決策智慧團隊就撞上了行業壁壘。在行內專家看來，他們對行業的複雜性一無所知。
團隊成員回憶，進入電力行業之初，行業資深專家普遍的看法是，他們在這個行業裡已經工作相當長的時間，知道哪些點可以改變，哪些點很難改變，有很多的經驗積累。而外來的團隊會不懂行，會把問題想簡單。
想要破冰，就要說服行業內的人士，決策智慧團隊必須融合行業和領域的具體知識，給出比傳統人工方法或者行業內專用模型更優秀的答案。
這比演算法和軟體的研發更困難。“對我們來說，最困難的還是和領域知識的適配。瞭解這個領域的資料意義與分佈，以及使用者習慣和期待。”印臥濤說。
應對這個難題，決策智慧團隊還是先從最見成效的競賽入手。團隊從2019年啟動求解器研發，2021年就在國家電網調控人工智慧競賽上獲優秀團隊、強化學習排程冠軍、新能源功率預測亞軍三項獎勵。按照印臥濤的說法，這次國網比賽的成績，相當於給了團隊一張“小小的入場券”。
初步打響行業內的名聲後，決策智慧團隊並未急於採取“推銷”的姿態，號稱自己的產品能夠解決過去行業記憶體在的一些問題。而是開放求解器，把領域內的專家請進來，並且與行業專家一塊修改求解器，打造一種共創的生態。
在共創合作的過程中，團隊開放坦誠的態度，也讓行內專家願意分享行業資料和模型，以及管理和決策流程上的非技術因素，甚至是親身經歷積累下的行業秘訣（Know-How）。到了這個階段，決策智慧團隊的成員才真正感到，他們真正對行業“做進去了”。
2023年12月，工信部產業發展促進中心等部門舉辦的首屆能源電子產業創新大賽上，敏迭獲得電力用自研求解器第一名。同時，敏迭技術開放支援的團隊獲得二等獎。在第5屆南方電網AI大賽中，使用敏迭開放平臺（MindOpt Studio）的參賽隊伍佔據前10名中的8席幷包攬冠亞軍。
如今，敏迭已經是國內電力行業生態的一部分。團隊把技術向學校、研究院開放，打造了敏迭開放平臺。作為一個研發機構，達摩院也和電力行業共同承擔國家重點專案，以及一些工程落地中的技改專案。
03
當然，對於更多有意願申請該校的中國學生來說，存在更大不確定性的地方，在於是否其他瑞士高校-乃至歐洲其他國家的高校-會跟風效仿作為標杆的蘇黎世聯邦理工學院的措施。
在與電力系統合作的過程中，決策智慧實驗室在新能源發電相關的專案進展最為亮眼。達摩院構建出“綠色能源AI”方案，已經與國家電網、南方電網等企業合作落地多個專案。
山東是中國第一光伏大省，德州的光伏佔比在山東也排名前列。光伏發電高峰期佔當地電網負荷一半以上，其中主力包括分散式光伏。簡單來說，就是透過裝在各家屋頂上的光伏發電，自用同時把餘量賣給電網。這對能源是更充分的利用，對電網預測來說，卻是一道更難的計算題。
新能源發電功率和負荷受天氣左右，特別是極端天氣。達摩院決策智慧實驗室新發布的“八觀”氣象大模型，提供了每小時更新一次的高精度區域天氣預報，今年8月在劇烈天氣變化情況下，推動山東電網的新能源發電功率、電力負荷預測準確率分別提升至96.5%和98.1%，從而有效幫助電力系統作出及時、準確的排程決策。[4]
危機出現時，AI和求解器結合的解決方案也能更好地維護電力系統安全運轉。達摩院決策智慧實驗室研究員王孟昌介紹，當新能源的波動幅度超出預期時，會引起斷面潮流越限，即特定輸電線路的電力流動超過安全執行的允許值。這種情況下，要保證安全對計算效率的要求非常高，需要在秒級時間內給出最佳化結果。
王孟昌解釋，AI在這種計算中能夠發揮的優勢是，基於歷史資料，它能快速給出一個有八成或者九成可靠的結果。而更精確的計算，可以留給求解器去處理。決策智慧團隊結合AI強化學習和求解器的混合智慧系統，實現了區域電網10毫秒級的統一決策，生成方案的質量也可達到行業資深專家的水平。
除了在電力行業繼續探索，團隊的服務目標還包括石化等行業。根據中國石油和化學工業聯合會的資料，2023年中國石化行業營業收入15.95萬億元。這個萬億級的產業，對決策智慧同樣有很多需求。
能否吸取首次與行業合作的成功經驗，並順利應用到其他領域，對於一款求解器的商業生命而言，無疑是一次驚險的跳躍，對團隊來說，同樣是一次關鍵考驗。
今年6月在北京舉行的一場泛智慧決策技術研討會上，許多石化行業專家與達摩院決策智慧團隊分享了他們的需求和困惑。困惑之一是如何將求解器與領域知識有效結合，相比電力行業，石化行業領域知識的複雜度可以說有增無減。
一位石化行業人士舉例，為了完成行業內複雜的建模任務，團隊裡的博士可能不得不返回大學重讀一個相關學位。石化領域涉及很多高分子材料方面的知識，僅僅是把需求向建模團隊講清楚，都成了極端困難的任務。因此，她希望達摩院能夠提供更多針對一線石化工程師的AI決策工具培訓，消解這道知識壁壘。
另一位石化行業資深專家則提到已有求解工具面對真實業務時的不足。“坦率地說，現在它們推薦的方案大機率不是真實業務上需要的情況，不是我們想要的答案。如果能把現有的學科知識沉澱下來形成知識庫，加入我們的分析方案會好很多”。
而石化行業專家在討論會更多提到的，是他們在具體場景中遇到的各種難題。
“他們竟然提出了有實踐背景的混合整數非線性最佳化問題，這是最難的一類問題。另外，在勘探環節需要將地下結構進行離散化處理，隨著離散化過程中使用的網格節點增多，變數的規模能夠達到千萬級別。”印臥濤說。
面對如此複雜的新領域，身為“外行”的達摩院決策智慧團隊能夠復刻在電力行業成功的經驗，有所作為嗎？
決策智慧團隊覺得完全值得去嘗試，他們再次跨界的勇氣來自先前在新能源發電領域的經驗與積累。而且，現在無論是電力集團還是石化行業，都在強調新能源的重要性，中石油、中石化等同時也是新能源提供商。
團隊研發的“八觀”氣象大模型，也同樣可以應用於石油石化行業。例如，燃氣供應問題明顯受到需求的影響，需求又很大程度上受天氣影響。同樣，石化行業常見的船期排程問題中，船隻靠港情況也與需求預測和天氣預報密切相關。
04
對於達摩院決策智慧團隊來說，求解器是一個很好的開始，但也只是邁向決策智慧的第一步。
達摩院決策智慧實驗室高階產品專家楊鍵烽說，有的客戶對求解器期望過高，甚至希望求解器能解決任何最佳化問題，但在真實世界處理一個問題步驟都非常複雜，首先需要對知識有充分理解，並將問題轉化為數學模型，最後才是由求解器進行求解。求解器只是整個鏈路中的最後一個環節。
“如果在特定行業場景裡沒有一個能把整個鏈路穿起來的人，就算拿來世界上最好的求解器，依舊沒法解決問題，甚至會得出求解器難用這樣的結論。”楊鍵烽說。
而現在研究智慧的各學科中，能夠提供的往往是一些點狀的能力，包括預測和求解計算。這方面，近十幾二十年來的進展實際上都很緩慢。
在決策中主導這些鏈路的，往往是各行業的專家。他們對場景有足夠強的認知，加上清晰的決策鏈路和思維模式，對於特定問題的處理往往超過計算機的效果。
楊鍵烽介紹，和電力行業合作時，團隊電氣背景的同事也發揮了關鍵作用。他們不僅設計特定的解決方案，還參與到求解器的工程構建中。
然而，這樣既懂數學又懂領域知識的交叉背景人才非常稀缺。決策智慧團隊希望基於過去專案的經驗，把人才的能力拆成知識庫和決策能力兩方面，用一套方案代替具體的人才。
換句話說，達摩院決策智慧實驗室的目標，就是“復刻”這些專家。決策智慧不僅意味著模仿人類的思考方式，更要在決策能力上接近在擁有豐富實踐經驗的專家，甚至比他們更快更準。在決策智慧團隊看來，這是從數學求解器、資訊大模型，到通用人工智慧（AGI）之間的一個“中期目標”。
求解器更多是一個計算工具，追求在劃定範圍內找到最優解。而決策智慧實驗室想要打造的類專家智慧需要更有邏輯，不但有邏輯能力解決實際問題，而且能夠自己學習。這種學習能力可能只需要很少的樣本，也就是所謂一點即通的能力。
“這是兩個範疇下的工具，一個是已經商業化發展幾十年，傳統的最佳化運籌公司都應該具備的能力。另一個甚至沒有清晰的定義。前者更多是去適配去調優，後者是真的創新突破。”團隊成員如此描繪他們的遠期目標。
這個目標或許還比較遙遠。在當下，阿里達摩院首先希望能夠在具體的場景上定義和解決幾個具體的問題。
至於更遠的未來，印臥濤坦言，自己也很難確定決策智慧在幾年後具體會發展成什麼形態。
在推出產品和應用的同時，達摩院決策智慧實驗室團隊也在聚焦前沿方向做研究。五年來，團隊在行業頂會頂刊已發表論文100多篇。
相比競爭對手，決策智慧實驗室也有著獨到的優勢。國外的運籌最佳化大多是單獨領域的傳統科技公司，沒有一家是雲計算公司。而達摩院背靠阿里的雲計算生態，有著更多的決策場景和創新空間，在海量算力支援下，可以將AI與運籌最佳化結合，能夠更快更好地解決各行業日益複雜的決策問題。
另一方面，通義千問大模型帶來了開源的生態，能夠生長出多種針對不同問題的模型並在開源社群得到驗證。團隊對大模型的熟悉，甚至在大模型訓練工程中的深度參與，也使得他們能夠將算力和模型的能力與場景結合。
“決策智慧實驗室之所以做這件事情，不是去趕時代潮流，是真的有很大的優勢。”印臥濤說。
參考文獻：
（上下滑動可瀏覽）親愛的讀者們，不星標《知識分子》公眾號，會錯過每日科學新知！星標《知識分子》，緊跟前沿科學，一起探索科學的奧秘吧！
請戳上圖卡片新增星標
關注《知識分子》影片號
get更多有趣、有料的科普內容